Tensorflow.js tf.LayersModel clase .summary() Método

tf.LayersModel es una clase que se utiliza para el entrenamiento, la inferencia y la evaluación del modelo de capas en tensorflow.js. Contiene métodos para entrenamiento, evaluación, predicción y para guardar modelos de capas. Entonces, en esta publicación, vamos a conocer la función model.summary().

La función model.summary() en tensorflow.js imprime el resumen del modelo que incluye el nombre del modelo, números de parámetros de peso, números de parámetros entrenables.

Sintaxis:

model_name.summary (line length, position, print function)

Parámetros: Todos los parámetros son opcionales.

  • longitud de línea: Es una longitud de línea personalizada en varios caracteres.
  • posición: Es una array que muestra anchos para cada columna, los valores pueden ser fraccionarios o absolutos.
  • función de impresión: función que imprime el resumen del modelo, la función predeterminada es console.log().

Devoluciones: Nulo.

Ejemplo 1:  en este ejemplo, vamos a crear el modelo secuencial con capas densas individuales e imprimir el resumen del modelo usando la función model.summary().

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Creating model
var myModel = tf.sequential({
    layers:[tf.layers.dense({
        units: 10,
        inputShape: [15]
    })]
});
 
// Print the summary
myModel.summary();

Producción:

_________________________________________________________________
Layer (type)                 Output shape              Param #    
=================================================================
dense_Dense8 (Dense)         [null,10]                 160        
=================================================================
Total params: 160
Trainable params: 160
Non-trainable params: 0
_________________________________________________________________

Ejemplo 2: En este ejemplo, vamos a crear el modelo con 2 capas densas que tienen la función de activación relu y softmax usando el método tf.model y haciendo predicciones que también imprimen el resumen del modelo.

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Define input
var inp=tf.input({shape:[8]});
 
// Dense layer 1
var denseLayerOne=tf.layers.dense({units:7,activation:'relu'});
 
// Dense layer 1
var denseLayerTwo=tf.layers.dense({units:5, activation:'softmax'});
 
// Generate the output
var out=denseLayerTwo.apply(denseLayerOne.apply(inp));
 
// Model creation
var myModel=tf.model({inputs:inp,outputs:out});
 
// Make prediction
console.log("\nPrediction :")
myModel.predict(tf.ones([3,8])).print();
console.log("\nSummary :")
myModel.summary();

Producción:

Prediction :
Tensor
   [[0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899],
    [0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899],
    [0.2074656, 0.1515629, 0.2641615, 0.2237201, 0.1530899]]

Summary :
_________________________________________________________________
Layer (type)                 Output shape              Param #    
=================================================================
input7 (InputLayer)          [null,8]                  0          
_________________________________________________________________
dense_Dense19 (Dense)        [null,7]                  63        
_________________________________________________________________
dense_Dense20 (Dense)        [null,5]                  40        
=================================================================
Total params: 103
Trainable params: 103
Non-trainable params: 0
_________________________________________________________________

Referencia: https://js.tensorflow.org/api/latest/#tf.LayersModel.summary

Publicación traducida automáticamente

Artículo escrito por abhijitmahajan772 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *